风电场分布式能量管理系统：体系架构和关键技术.pdf

第４２卷第５期２０１４年３月１日电力系统保护与控制ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌＶＯ１．４２ＮＯ．５Ｍ１．２０１４风电场分布式能量管理系统：体系架构和关键技术孙宏斌，郭庆来，吴文传，张伯明，王彬，刘翊枫，王孟夏（清华大学电机系电力系统国家重点实验室，北京１０００８４）摘要：当前大规模波动性风电接入给电网安全、有功调度和无功电压控制带来严重挑战，传统能量管理系统（ＥＭＳ）的集中式架构在网络建模、信息通信、分析的快速性以及控制的敏捷性方面均难以适应抑制风电快速波动的要求。为此，提出了分布集中式ＥＭＳ框架下的风电场分布式ＥＭＳ的体系结构，详细阐述了其关键技术，含：风电场网络建模及全状态感知、风功率预测、状态监视、安全分析和自动发电／电压控制等。通过一个风电场ＥＭＳ自动电压控制的应用实例说明风电场分布式ＥＭＳ的运行效果。关键词：电力系统；风电；能量管理系统；分布式Ｗｉｎｄｆａｒｍｄｉｓｔｒｉｂｕｔｅｄｅｎｅｒｇｙｍａｎａｇｅｍｅｎｔｓｙｓｔｅｍ：ａｒｃｈｉｔｅｃｔｕｒｅａｎｄｋｅｙｔｅｃｈｎｏｌｏｇｉｅｓ———ＳＵＮＨｏｎｇｂｉｎ，ＧＵＯＱｉｎｇ－ｌａｉ，ＷＵＷｅｎ－ｃｈｕａｎ，ＺＨＡＮＧＢｏｍｉｎｇ，ＷＡＮＧＢｉｎ，ＬＩＵＹｉ－ｆｅｎｇ，ＷＡＮＧＭｅｎｇｘｉａ（ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＰｏｗｅｒＳｙｓｔｅｍｓ，ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＴｓｉｎｇｈｕａＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００８４，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｏｉｎｔｅｇｒａｔｅｌａｒｇｅ－ｓｃａｌｅｉｎｔｅｒｍｉｔｔｅｎｔｗｉｎｄｐｏｗｅｒｇｒｅａｔｌｙｃｈａｌｌｅｎｇｅｓｔｈｅｐｏｗｅｒｓｙｓｔｅｍｏｐｅｒａｔｉｏｎｏｎｓｅｃｕｒｉｔｙａｎａｌｙｓｉｓ，ａｃｔｉｖｅｐｏｗｅｒｄｉｓｐａｔｃｈａｎｄｖｏｌｔａｇｅｃｏｎｔｒｏ１．Ｔｈｅｃｏｎｖｅｎｔｉｏｎａｌｃｅｎｔｒａｌｉｚｅｄａｒｃｈｉｔｅｃｔｕｒｅｏｆｅｎｅｒｇｙｍａｎａｇｅｍｅｎｔｓｙｓｔｅｍ（ＥＭＳ）ｃｏｕｌｄｎｏｔｓａｒｉｓｆｙ’ｔｈｅｒｅｑｕｉｒｅｍｅｎｔｔｏｍｉｔｉｇａｔｅｔｈｅｗｉｎｄｐｏｗｅｒＳｆｌｕｃｔｕａｔｉｏｎｓ，ｅｓｐｅｃｉａｌｌｙｏｎｎｅｔｗｏｒｋｍｏｄｅｌｉｎｇ，ｉｎｆｏｒｍａｔｉｏｎｃｏｍｍｕｎｉｃａ—ｔｉｏｎ，ｒｅａｌｔｉｍｅａｎａｌｙｓｉｓａｎｄｆｌｅｘｉｂｌｅｃｏｎｔｒｏ１．Ａｓｐａｒｔｏｆａｎｅｗｄｉｓｔｒｉｂｕｔｅｄ－ｃｅｎｔｒａｌｉｚｅｄａｒｃｈｉｔｅｃｔｕｒｅ，ａｄｉｓｔｒｉｂｕｔｅｄＥＭＳｆｏｒｗｉｎｄｆａｒｍｉｓｐｒｏｐｏｓｅｄ，ａｓｗｅｌｌａｓｔｈｅｋｅｙｔｅｃｈｎｏｌｏｇｉｅｓｔｈａｔｉｎｃｌｕｄｅｎｅｔｗｏｒｋｍｏｄｅｌｌｉｎｇｏｆｗｉｎｄｆａｒｍｇｒｉｄ，ｓｔａｔｅｅｓｔｉｍａｔｉｏｎ，ｗｉｎｄｐｏｗｅｒｆｏｒｅｃａｓｔｉｎｇ，３－Ｄｍｏｎｉｔｏｒｉｎｇ，ｓｅｃｕｒｉｔｙａｓｓｅｓｓｍｅｎｔ，ＡＧＣａｎｄＡＶＣ，ｅｔｃ．ＡｎａｐｐｌｉｃａｔｉｏｎｅｘａｍｐｌｅｏｆｗｉｎｄｆａｒｍｖｏｌｔａｇｅｃｏｎｔｒｏｌｉｓｐｒｅｓｅｎｔｅｄｔｏｉｌｌｕｓｔｒａｔｅｔｈｅｏｐｅｒａｔｉｏｎｅｆｆｅｃｔｓｏｆｔｈｅｄｉｓｔｒｉｂｕｔｅｄＥＭＳ．ＴｈｉｓｗｏｒｋｉｓｓｕｐｐｏｓｅｄｂｙＮａｔｉｏｎａｌＫｅｙＢａｓｉｃＲｅｓｅａｒｃｈＰｒｏｇｒａｍｏｆＣｈｉｎａ（９７３Ｐｒｏｇｒａｍ）（Ｎｏ．２０１３ＣＢ２２８２０６），ＮａｔｉｏｎａｌＳｃｉｅｎｃｅＦｕｎｄｆｏｒＤｉｓｔｉｎｇｕｉｓｈｅｄＹｏｕｎｇＳｃｈｏｌａｒｓ（Ｎｏ．５１０２５７２５），ＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（Ｎｏ．５１２７７１０５ａｎｄＮｏ．５１３２１００５）ａｎｄＢｅｉｊｉｎｇＨｉｇｈｅｒＥｄｕｃａｔｉｏｎＹｏｕｎｇＥｌｉｔｅＴｅａｃｈｅｒＰｒｏｊｅｃｔ（Ｎｏ．ＹＥＴＰ００９６）．Ｋｅｙｗｏｒｄｓ：ｐｏｗｅｒｓｙｓｔｅｍ；ｗｉｎｄｐｏｗｅｒ；ｅｎｅｒｇｙｍａｎａｇｅｍｅｎｔｓｙｓｔｅｍ；ｄｉｓｔｒｉｂｕｔｅｄｓｙｓｔｅｍ中图分类号：ＴＭ６１９文献标识码：Ａ文章编号：１６７４－３４１５（２０１４）０５－００２６－０６Ｏ引言近年来，智能电网建设浪潮席卷全球，已成为世界各国能源工业可持续发展的重大战略举措之一。“而能量管理系统（ＥＭＳ）作为智能电网的智”“”慧核心，如果将电网看成是躯体，ＥＭＳ则是公“”“”认的神经中枢和大脑，其任务是对电网进行实时信息采集、监视、分析、优化和控制决策，实质是通过信息流调控能量流，保障电网运行的安全、经济和优质。ＥＭＳ系统构架由美国学者ＤｙＬｉａｃｃｏ于基金项目：国家９７３计划（２０１３ＣＢ２２８２０６）；国家杰出青年科学基金（５１０２５７２５）；国家自然科学基金（５１２７７１０５，５１３２１００５）；北京市青年英才计划（ＹＥＴＰＯ０９６）…２０世纪６０年代提出，该框架是针对传统电力系统设计的，是一种以控制中心为核心的集中式结构，数据由控制中心集中处理，厂站监控系统是被动的，只作为数据转发单元。由于传统电力系统中水火电源是确定型的和可控的，而且主要为集中接入，负荷是单向的和被动的，不存在互动问题，因此这种集中式框架可以适应传统电力系统运行调控的需要，一直沿用至今。当前，风力发电被大规模接入电网。以我国风电发展为例，截至到２０１１年底，我国风电并网装“”机已达４５０５．１１万ｋＷ，且根据十二五规划，至２０２０年，风电装机将达到１．５亿ｋＷＬ２Ｊ。由于风电具有强问歇性、随机波动性和低可调度性，如此大规模的开发将对电网运行的网络安全、有功调度和孙宏斌，等风电场分布式能量管理系统：体系架构和关键技术一２７．无功电压控制带来严重挑战，很多前期研究也已经开展Ｊ。而传统ＥＭＳ的集中式网络建模、数据采集及运行调控模式在大规模风电接入后的海量数据通信及复杂网络结构制约下，控制周期较长，难以适应抑制风电快速波动的要求，轻则损害电网运行的经济性及电能质量，严重时还会导致风机大面积脱网及失负荷等严重后果。对此，传统ＥＭＳ必须“”“”作出变革，由集中式向分布＋集中式转变，发展风电场分布式ＥＭＳ引，其目的和意义在于：（１）在风场侧实现自治控制，充分发挥本地控制的敏捷性优势，抑制风电波动，增强其自身的接入能力。（２）在调度中心侧通过与风场ＥＭＳ的互动协调，在保持调度中心原有的集中式管理优势（能够着眼全局）的基础上，减少调度中心ＥＭＳ的网络建模、运行分析及调控决策的运算量，提高调度中心ＥＭＳ分析决策速度。（３）在通信方面，大幅度减少调度中心与风电场之间的信息交换，缓解海量数据通信瓶颈问题，提高ＥＭＳ运行的可靠性。可见，发展风电场分布式ＥＭＳ系统，实现风电场与“”“”调度中心的分布自治集中协调的结合，对充分发挥风电场与调度中心的各自优势，提高风电场对电网的友好性，增强电网接纳大规模风电能力具有重要意义。以下本文围绕风电场分布式ＥＭＳ，重点阐述其体系架构及关键技术。１风电场分布式ＥＭＳ的体系架构“”如上所述，在分布＋集中式的ＥＭＳ框架下，风电场ＥＭＳ对本地的运行分析与调控不是独立完“成的，而要与调度中心互动，实现分布自治＋集”中协调。因此，以下首先给出风电场ＥＭＳ与调度中心之间的互动机制，以清晰风电场ＥＭＳ的运行背景及前提。风电场ＥＭＳ与调度中心之间的互动机制示意图如图１所示。图１风场ＥＭＳ与调度中心的互动Ｆｉｇ．１ＣｏｏｒｄｉｎａｔｉｏｎｂｅｔｗｅｅｎｄｉｓｔｒｉｂｕｔｅｄｗｉｎｄｆａｒｍＥＭＳａｎｄｃｏｎｔｒｏ１ｃｅｎｔｅｒ由图１可见，风电场ＥＭＳ与调度中心的互动体现在风电场上行控制能力数据与调度中心下行风电场输出功率及电压的参考值信息。１）上行信息为各风电场当前时刻及未来的有功、无功控制能力。对于每个风电场内部，可能包含了上百台不同类型的风机、多组电容电抗器以及ＳＶＣ／ＳＶＧ等各种复杂控制手段，电网控制中心不可能也没必要对这些具体设备进行详细建模，控制中心更关心的是从接入点看过去，整个风场等效的有功无功的上下调范围，即该风场的有功无功控制能力大小。这一调节范围并非一成不变，而是随着电网运行点变化、风速变化、设备不同控制状态等实时变化，这一信息将由风场分布式ＥＭＳ根据就地信息进行统计、分析、预测，并实时上传调度中心。２１下行数据为各风电场接入点（ＰＯＣ点）注入功率及电压的控制目标。由于风场ＥＭＳ只能采集本地信息，无法看到电网全局的潮流分布，单纯从风场侧无法确定ＰＯＣ点合理的注入功率与电压水平，需要调度中心ＥＭＳ根据全网实时信息和控制能力（含各风场上行信息以及传统电厂和变电站的调节能力），以全网的安全经济运行为目标，确定全网各主要发电节点的注入功率与电压参考值（其中包括了风场ＰＯＣ点），并将ＰＯＣ点的控制目标下发给风场ＥＭＳ。风场ＥＭＳ则利用场内调节手段，通过本地的快速闭环控制追踪上述目标，并实现风场内网络的安全经济运行。如上所述，风电场相当于一个小型电网，是地理范围较广、具有一定规模的网络结构，且控制手段复杂多样。因此，风电场ＥＭＳ在功能上与传统ＥＭＳ具有一定的共性，围绕风电场自动发电控制、自动电压控制的核心功能，需要在风场内的实时量测数据基础上，实现状态估计、风功率预测、在线潮流、安全分析等关键技术。风电场ＥＭＳ的体系架构如图２所示。需要强调的是，与传统ＥＭＳ不同，为了有效跟踪控制中心下发的控制目标，并保证风电场的安全稳定运行，要求风电场ＥＭＳ必须充分发挥本地的控制优势，通过敏捷型控制抑制风电的波动。因此，其必然具有较短的控制周期（通常为秒级）。在紧急情况下，假如风场内配置了ＰＭＵ，甚至可实现毫秒级的快速紧急控制。这也是传统ＥＭＳ无法做到的。以下将对图２中涉及的各项关键技术进行分别介绍。电力系统保护与控制３）不限电小风阶段（１９：２０．２４：００）。该区域风力在１９：００后逐渐减弱，系统电压逐渐上抬，风电场Ａ虽然将其无功减少至最低但仍然无法拉回区域整体电压，后由该区域调度下令切除多组变电站电容器，使得该阶段电压呈现明显的锯齿状特点。由图７数据分析可知，在ＥＭＳ的控制下风电场Ａ并网点最大电压差和全天电压波动均优于风电场Ｂ，实际验证了本文所述风电场ＥＭＳ的电压控制效果。全天电压波动（方差）图７风电场全天电压质量对比Ｆｉｇ．７Ｃｏｍｐａｒｉｓｏｎｏｆ２４－ｈｏｕｒｖｏｌｔａｇｅｑｕａｌｉｔｙ由上述分析可知，Ａ风电场ＥＭＳ的电压控制效果明显，相比没有投入风电场ＥＭＳ的风场Ｂ，其ＰＯＣ点电压质量得到明显改善。尤其在风力波动较强时，地调ＡＶＣ主站以５ｍｉｎ为控制周期，仅通过控制厂站电容投切，难以对ＰＯＣ点进行快速精细控制。而风电场ＥＭＳ能够根据ＰＯＣ点电压设定值，迅速调节风场内部风机、ＳＶＣ等装置实现敏捷控制，控制周期为１０Ｓ，较好地跟踪ＰＯＣ点控制目标值。当然也必须注意到，由于单一风电场无功容量有限，其电压受主网影响较大，若想取得更好的控制效果，需要区域内更多的风电场共同参与电压的协调控制，这也凸显了未来在风电场侧推广普及分布式ＥＭＳ系统实现自治控制的迫切需求。４结论本文详细介绍了风电场分布式ＥＭＳ体系架构及其关键技术，并通过应用实例说明了风场ＥＭＳ运行效果。结论如下：（１）风电场本身是一个小型电网，风场ＥＭＳ的体系架构是对传统ＥＭＳ框架的继承和发展，其特点在于控制的敏捷性和可靠性，以适应抑制风电快速波动的需要。（２）风场ＥＭＳ能够充分利用本地控制资源（风机、ＳＶＣ、ＳＶＧ等），针对风电波动实施秒级的敏捷性控制，在可靠追踪调度中心下发的控制目标的同时保证自身的安全可靠运行，可有效避免发生风机连锁脱网事故的发生。（３）本文对风场ＥＭＳ的介绍以及工程应用还是初步的。在风场ＥＭＳ框架下，其中涉及的各关键技术仍有待于进一步的深入研究并结合工程应用不断探索以推动风场分布式ＥＭＳ的发展。参考文献［１］ＤＹＬＩＡＣＣＯＴＥ．Ｔｈｅａｄａｐｔｉｖｅｒｅｌｉａｂｉｌｉｔｙｃｏｎｔｒｏｌｓｙｓｔｅｍ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＰｏｗｅｒＡｐｐａｒａｔｕｓ＆Ｓｙｓｔｅｍｓ．—１９６７，ＰＡＳ＿８６（５）：５１７５３１．［２］朱凌志，陈宁，韩华玲．风电消纳关键问题及应对措—施分析【Ｊ】．电力系统自动化，２０１１，３５（２２）：２９３４．—ＺＨＵＬｉｎｇ－ｚｈｉ，ＣＨＥＮＮｉｎｇ，ＨＡＮＨｕａｌｉｎｇ．Ｋｅｙｐｒｏｂｌｅｍａｎｄｓｏｌｕｔｉｏｎｓｏｆｗｉｎｄｐｏｗｅｒａｃｃｏｍｍｏｄａｔｉｏｎ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２０１１，３５（２２）：２９．３４．［３］乔颖，鲁宗相，徐飞，等．风电场集成监控平台的研究【Ｊ】．电力系统保护与控制，２０１１，３９（６）：１１７．１２３．ＱＩＡＯＹｉｎｇ，ＬＵＺｏｎｇ－ｘｉａｎｇ，ＸＵＦｅｉ，ｅｔａ１．Ｓｔｕｄｙｏｎｔｈｅｉｎｔｅｇｒａｔｅｄｍｏｎｉｔｏｒｉｎｇ＆ｃｏｎｔｒｏｌｐｌａｔｆｏｒｍｏｆｗｉｎｄｆａｒｍｓ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１１，—３９（６）：１１７１２３．［４］魏丽芳，张睿，邱健，等．含风电场及电铁负荷的地区电网在线电压稳定预警系统［Ｊ］．电力系统保护与控制，—２０１２，４０（９）：７５８１．—ＷＥＩＬｉ－ｆａｎｇ，ＺＨＡＮＧＲｕｉ，ＱＩＵＪｉａｎ，ｅｔａ１．Ａｎｏｎｌｉｎｅｅａｒｌｙｗａｒｎｉｎｇｓｙｓｔｅｍｆｏｒｖｏｌｔａｇｅｓｔａｂｉｌｉｔｙｉｎｒｅｇｉｏｎａｌｐｏｗｅｒｇｒｉｄｃｏｎｓｉｄｅｒｉｎｇｗｉｎｄｐｏｗｅｒａｎｄｅｌｅｃｔｒｉｆｉｅｄｒａｉｌｗａｙｌｏａｄ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１２，４０（９）：７５－８１．［５］王洪涛，刘雪芳，负志皓，等．含风电场群的区域电网两层多阶段电压协调控制方法［Ｊ］．电力系统保护与控—制，２０１２，４０（２２）：１７．———ＷＡＮＧＨｏｎｇｔａｏ，ＬＩＵＸｕｅｆａｎｇ，ＹＵＮＺｈｉｈａｏ，ｅｔａ１．Ｔｗｏ－－ｔｉｅｒａｎｄｍｕｌｔｉ－－ｓｔａｇｅｖｏｌｔａｇｅｃｏｏｒｄｉｎａｔｉｏｎｃｏｎｔｒｏｌｍｅｔｈｏｄｆｏｒｒｅｇｉｏｎａｌｐｏｗｅｒｇｒｉｄｗｉｔｈｗｉｎｄｆａｒｍｓ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１２，４０（２２）：１－７．［６］乔嘉赓，鲁宗相，闵勇，等．风电场并网的新型实用等—效方法［Ｊ］．电工技术学报，２００９，２４（４）：２０９２１３．——ＱＩＡＯＪｉａｇｅｎｇ，ＬＵＺｏｎｇｘｉａｎｇ，ＭＩＮＹｏｎｇ，ｅｔａ１．Ｎｅｗ—ｄｙｎａｍｉｃｅｑｕｉｖａｌｅｎｃｅｍｅｔｈｏｄｆｏｒｇｒｉｄｃｏｎｎｅｃｔｅｄｗｉｎｄｆａｒｍ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆＣｈｉｎａＥｌｅｃｔｒｏｔｅｃｈｎｉｃａｌＳｏｃｉｅｔｙ，—２００９，２４（４）：２０９２１３．［７］陈昌松，段善旭，殷进军，等．基于发电预测的分布式发电能量管理系统［Ｊ］．电工技术学报，２０１０，２５（３）：—ｌ５０１５６．ＣＨＥＮＣｈａｎｇ－ｓｏｎｇ，ＤＵＡＮＳｈａｎ－ＸＯ，Ｙ１ＮＪｉｎ－ｊｕｎ，ｅｔａ１．孙宏斌，等风电场分布式能量管理系统：体系架构和关键技术．３１．Ｅｎｅｒｇｙｍａｎａｇｅｍｅｎｔｓｙｓｔｅｍｏｆｄｉｓｔｒｉｂｕｔｅｄｇｅｎｅｒａｔｉｏｎｂａｓｅｄｏｎｐｏｗｅｒｆｏｒｅｃａｓｔｉｎｇ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆＣｈｉｎａＥｌｅｃｔｒｏｔｅｃｈｎｉｃａｌＳｏｃｉｅｔｙ，２０１０，２５ｆ３１：１５０．１５６．［８］严干贵，王茂春，穆钢，等．双馈异步风力发电机组联网运行建模及其无功静态调节能力研究［Ｊ］．电工技术学报，２００８，２３（７１：９８．１０４．——ＹＡＮＧａｎｇｕｉ，ＷＡＮＧＭａｏｃｈｕｎ，ＭＵＧａｎｇ，ｅｔａ１．Ｍｏｄｅｌｉｎｇｏｆｇｒｉｄ．．ｃｏｎｎｅｃｔｅｄｄｏｕｂｌｙ．．ｆｅｄｉｎｄｕｃｔｉｏｎｇｅｎｅｒａｔｏｒｆｏｒｒｅａｃｔｉｖｅｐｏｗｅｒｓｔａｔｉｃｒｅｇｕｌａｔｉｏｎｃａｐａｃｉｔｙｓｔｕｄｙ［Ｊ】．ＴｒａｎｓａｃｔｉｏｎｓｏｆＣｈｉｎａＥｌｅｃｔｒｏｔｅｃｈｎｉｃａｌＳｏｃｉｅｔｙ，—２００８，２３（７）：９８１０４．１９ＪＷＵＦＦ＿ＭＯＳＬＥＨＩＫ，ＢＯＳＥＡ．Ｐｏｗｅｒｓｙｓｔｅｍｃｏｎｔｒｏｌｃｅｎｔｅｒｓ：ｐａｓｔ，ｐｒｅｓｅｎｔ，ａｎｄｆｕｔｕｒｅ［Ｊ］．ＰｒｏｃｏｆｔｈｅＩＥＥＥ，２００５，９３（１１）：１８９０－１９０８．［１０］Ｂ０ＳＥＡ．Ｓｍａｒｔｔｒａｎｓｍｉｓｓｉｏｎｇｒｉｄａｐｐｌｉｃａｔｉｏｎｓａｎｄｔｈｅｉｒｓｕｐｐｏｒｔｉｎｇｉｎｆｒａｓｔｒｕｃｔｕｒｅ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＳｍａｒｔＧｒｉｄ，２０１０，１（１）：ｌ１－１９．—１１１ＪＬＩＦａｎｇｘｉｎｇ，ＱＩＡＯｗｅｉ，ＳＵＮＨｏｎｇ－ｂｉｎ，ｅｔａ１．Ｓｍａｒｔｔｒａｎｓｍｉｓｓｉｏｎｇｒｉｄ：ｖｉｓｉｏｎａｎｄｆｒａｍｅｗｏｒｋ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＳｍａｒｔＧｒｉｄ，２０１０，ｌ（２）：１６８－１７７．——［１２］ＳＵＮＨｏｎｇ－ｂｉｎ，ＺＨＡＮＧＢｏｍｉｎｇ，ＷＵＷｅｎｃｈｕａｎ，ｅｔａ１．Ｆａｍｉｌｙｏｆｅｎｅｒｇｙ，ｍａｎａｇｅｍｅｎｔｓｙｓｔｅｍｆｏｒｓｍａｒｔｇｒｉｄ［Ｃ］／／ＩＥＥＥＰＥＳＩｎｎｏｖａｔｉｖｅＳｍａｒｔＧｒｉｄＴｅｃｈｎｏｌｏｇｉｅｓＥｕｒｏｐｅ，Ｂｅｒｌｉｎ，Ｇｅｒｍａｎｙ，Ｏｃｔ．１３－１８，２０１２．１１３ＪＸＩＡＮＧＮｉａｎ－ｄｅ，ＷＡＮＧＳｈｉ－ｙｉｎｇ，ＹＵＥｒ－ｋｅｎｇ．Ａｎａｐｐｌｉｃａｔｉｏｎｏｆｅｓｔｉｍａｔｉｏｎ－ｉｄｅｎｔｉｆｉｃａｔｉｏｎａｐｐｒｏａｃｈｏｆｍｕｌｔｉｐｌｅｂａｄｄａｔａｉｎｐｏｗｅｒｓｙｓｔｅｍｓｔａｔｅｅｓｔｉｍａｔｉｏｎ［Ｊ］．—ＩＥＥＥＴｒａｎｓｏｎＰＡＳ，１９８４，ＰＡＳ－１０３（２）：２２５２３３．１１４１ＺＨＡＮＧＢＭ，ＬＯＫＬ．Ａｒｅｃｕｒｓｉｖｅｍｅａｓｕｒｅｍｅｎｔｅｒｒｏｒｅｓｔｉｍａｔｉｏｎｉｄｅｎｔｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｆｏｒｂａｄｄａｔａａｎａｌｙｓｉｓｉｎｐｏｗｅｒｓｙｓｔｅｍｓｔａｔｅｅｓｔｉｍａｔｉｏｎ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＰｏｗｅｒＳｙｓｔｅｍｓ，１９９１，ＰＷＲＳ一６（１）：１９１－１９８．［１５］方江晓，周晖，黄梅，等．基于统计聚类分析的短期风电功率预测［Ｊ】．电力系统保护与控制，２０１１，３９（１１）：６７．７３．ＦＡＮＧＪｉａｎｇ－ｘｉａｏ，ＺＨＯＵＨｕｉ，ＨＵＡＮＧＭｅｉ，ｅｔａ１．—Ｓｈｏｒｔｔｅｒｍｗｉｎｄｐｏｗｅｒｐｒｅｄｉｃｔｉｏｎｂａｓｅｄｏｎｓｔａｔｉｓｔｉｃａｌｃｌｕｓｔｅｒｉｎｇａｎａｌｙｓｉｓ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄ—Ｃｏｎｔｒｏｌ，２０１１，３９（１１）：６７７３．［１６］范高锋，王伟胜，刘纯，等．基于人工神经网络的风电功率预测［Ｊ］．中国电机工程学报，２００８，２８（３４）：ｌ１８．１２３．—ＦＡＮＧａｏ－ｆｅｎｇ，ＷＡＮＧＷｅｉｓｈｅｎｇ，ＬＩＵＣｈｕｎ，ｅｔａ１．Ｗｉｎｄｐｏｗｅｒｐｒｅｄｉｃｔｉｏｎｂａｓｅｄｏｎａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＥＥ，２００８，２８（３４）：１１８．１２３．［１７］师洪涛，杨静玲，丁茂生，等．基于小波ＢＰ神经网络的短期风电功率预测方法［Ｊ］．电力系统自动化，２０１１，３５（１６、：４４－４８．——ＳＨＩＨｏｎｇｔａｏ，ＹＡＮＧＪｉｎｇ－ｌｉｎｇ，Ｄ１ＮＧＭａｏｓｈｅｎｇ，ｅｔａ１．Ａｓｈｏｒｔ－ｔｅｒｍｗｉｎｄｐｏｗｅｒｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｗａｖｅｌｅｔｄｅｃｏｍｐｏｓｉｔｉｏｎａｎｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２０１１，３５（１６）：４４．４８．［１８］张国强，张伯明．基于组合预测的风电场风速及风电机功率预测［Ｊ］．电力系统自动化，２００９，３３（１８）：９２．９５．—ＺＨＡＮＧＧｕｏ－ｑｉａｎｇ，ＺＨＡＮＧＢｏｍｉｎｇ．Ｗｉｎｄｓｐｅｅｄａｎｄｗｉｎｄｔｕｒｂｉｎｅｏｕｔｐｕｔｆｏｒｅｃａｓｔｂａｓｅｄｏｎｃｏｍｂｉｎａｔｉｏｎｍｅｔｈｏｄ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２００９，３３（１８、：９２・９５．［１９］ＡＺＥＶＥＤＯＧＰ＇ＳＯＵＺＡＣＳ，ＦＥＩＪＯＢ．Ｅｎｈａｎｃｉｎｇｔｈｅ—ｈｕｍａｎｃｏｍｐｕｔｅｒｉｎｔｅｒｆａｃｅｏｆｐｏｗｅｒｓｙｓｔｅｍａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＰｏｗｅｒＳｙｓｔｅｍｓ，１９９６，—１１（２）：６４６６５３．［２０］ＯＶＥＲＢＹＥＴＪ．ＷＥＢＥＲＪＤ．Ｖｉｓｕａｌｉｚａｔｉｏｎｏｆｐｏｗｅｒｓｙｓｔｅｍｄａｔａ［Ｃ】／／Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ３３ｒｄＨａｗａｉｉＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＳｙｓｔｅｍＳｃｉｅｎｃｅｓ，２０００：１２２８．１２３４．［２１］ＫＬＵＭＰＲ，ＷＵＷＤＯＯＬＥＹＧＤｉｓｐｌａｙｉｎｇａｇｇｒｅｇａｔｅｄａｔａ，ｉｎｔｅｒｒｅｌａｔｅｄｑｕａｎｔｉｔｉｅｓ，ａｎｄｄａｔａｔｒｅｎｄｓｉｎｅｌｅｃｔｒｉｃｐｏｗｅｒｓｙｓｔｅｍｓ［Ｃ】／／Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ３６ｔｈＨａｗａｉｉＩｎｔｅｍａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＳｙｓｔｅｍＳｃｉｅｎｃｅｓ，２００３．［２２］陈佳，孙宏斌，汤磊，等．电力系统控制中心三维可视化技术及其实时应用【Ｊ】．电力系统自动化，２００８，３２（６）：２０．２４．ＣＨＥＮＪｉａ，ＳＵＮＨｏｎｇ－ｂｉｎ，ＴＡＮＧＬｅｉ，ｅｔａ１．Ｔｈｒｅｅ．ｄｉｍｅｎｓｉｏｎａｌｖｉｓｕａｌｉｚａｔｉｏｎｔｅｃｈｎｉｑｕｅｉｎｐｏｗｅｒ—ｓｙｓｔｅｍｃｏｎｔｒｏｌｃｅｎｔｅｒｓａｎｄｉｔｓｒｅａｌｔｉｍｅａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２００８，３２（６）：—２０２４．［２３］ＷＵＷＣ．ＺＨＡＮＧＢＭ．Ａｔｈｒｅｅ．ｐｈａｓｅｐｏｗｅｒｆｌｏｗａｌｇｏｒｉｔｈｍｆｏｒｄｉｓｔｒｉｂｕｔｉｏｎｓｙｓｔｅｍｐｏｗｅｒｆｌｏｗｂａｓｅｄｏｎ—ｌｏｏｐａｎａｌｙｓｉｓｍｅｔｈｏｄ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＥｌｅｃｔｒｉｃａｌＰｏｗｅｒａｎｄＥｎｅｒｇｙＳｙｓｔｅｍｓ，２００８，３０（１）：８－１５．收稿日期：２０１３－１１＿２９作者简介：孙宏斌（１９６９一），男，教授，博士生导师，教育部长江学者特聘教授，国家级教学名师，国家杰出青年科学基金获得者，ＩＥＴＦｅｌ１ｏｗ，主要从事智能电网能量管理、电力系统调度自动化领域的研究和教学工作；郭庆来（１９７９一），男，副教授，主要研究方向为ＥＭＳ高级应用、自动电压控制和电动汽车；Ｅ－ｍａｉｌ：ｇｕｏｑｉｎｇｌａｉ＠ｔｓｉｎｇｈｕａ．ｅｄｕ．ｃｎ吴文传（１９７３一），男，副教授，主要研究方向为能量管理系统和配网自动化。